Strona korzysta z plików cookies w celu realizacji usług i zgodnie z Polityką Plików Cookies.



04.01.2022

Dane klientów HPE przejęte w...

HPE poinformowało, że dane klientów zostały przejęte w wyniku naruszenia dotyczącego jego...
04.01.2022

Bezpieczny dostęp

Citrix rozszerza swoje rozwiązania z zakresu bezpiecznego dostępu.
04.01.2022

Ochrona pracy zdalnej

Fortinet przedstawił spójną koncepcję zabezpieczania środowiska IT w firmach, które...
04.01.2022

Rozwiązania dla Linuxa

Red Hat poinformował o udostępnieniu rozwiązania Red Hat Enterprise Linux 8.5.
04.01.2022

Usługi chmurowe

Strefa lokalna AWS w Polsce
04.01.2022

Nowy laptop należący do serii...

ASUS VivoBook Pro 16X to nowy laptop należący do popularnej serii VivoBook. Przeznaczony...
04.01.2022

Do fizycznej wirtualizacji...

QNAP zaprezentował urządzenie nowej generacji do wirtualizacji sieci – QuCPE-7012 –...
04.01.2022

Dla przemysłu

Transcend prezentuje bezpieczne dyski SSD zgodne ze standardem Opal SSC 2.0. Oba dyski...
04.01.2022

SI w monitoringu

Firma i-PRO, mająca swoje korzenie w Panasonic, wprowadziła do swojej serii S kamery typu...

Sztuczna inteligencja w biznesie

Data publikacji: 26-06-2018 Autor: Jerzy Michalczyk
Różne koncepcje i algorytmy...

Jesteśmy świadkami nowej rewolucji, która na naszych oczach zmienia świat. Przemysł 4.0 będzie miał w najbliższych latach ogromne znaczenie dla tempa rozwoju gospodarczego, a sztuczna inteligencja jest ważnym elementem tej układanki. Czy firmy są gotowe na jej wdrożenie? Czego potrzeba, aby osiągnąć wartość biznesową z AI? 

Za sprawą trzeciej rewolucji przemysłowej żyjemy w epoce informacyjnej, gdzie codziennie generowane są olbrzymie ilości danych. Szacuje się, że 90% z obecnie dostępnych danych cyfrowych zostało stworzonych w ciągu ostatnich dwóch lat. Ile ich jest – światowy licznik na koniec 2016 roku pokazywał 16 ZB (zettabajtów). Podstawowe pytanie, jakie pojawiło się przed biznesem – co zrobimy z tymi wszystkimi informacjami – dzięki postępowi technologicznemu szybko znalazło odpowiedź. Wzrost ilości danych w połączeniu ze spadkiem kosztów ich przechowywania i przetwarzania spowodował rozwój sztucznej inteligencji. Dziś w dużej mierze jest ona wykorzystywana w biznesie w postaci algorytmów uczenia maszynowego (machine learning), które pozwalają te niestrukturalne dane przetwarzać, analizować i w konsekwencji zamieniać na informacje i wiedzę. Mimo że historia machine learning sięga lat 50., to właśnie teraz zyskuje na znaczeniu i znajduje zastosowanie w kolejnych branżach. IDC prognozuje, że w 2020 r. wydatki firm związane z wdrożeniem machine learning i sztucznej inteligencji wyniosą aż 47 miliardów USD. Możliwość analizowania i w konsekwencji wyciągania wniosków ze zgromadzonych danych to dziś dla firm jedna z największych szans na uzyskanie przewagi konkurencyjnej. 

 
Przykłady zastosowań
 
Sztuczna inteligencja zmienia sposób, w jaki przedsiębiorstwa wprowadzają innowacje i komunikują swoje produkty i usługi. Już teraz widzimy wiele wdrożeń AI bazujących na algorytmach machine learning czy też jednej z podkategorii uczenia maszynowego – deep learning (to proces, w którym komputer uczy się wykonywania zadań naturalnych dla ludzkiego mózgu, takich jak rozpoznawanie mowy, identyfikowanie obrazów lub tworzenie prognoz). 
 
Motoryzacja, medycyna, HR, IT, finanse, marketing, e-commerce, retail, handel – niemalże w każdej branży AI może pomóc rozwijać biznes. Uczenie maszynowe przetransformowało analitykę, umożliwiając podejmowanie dokładniejszych decyzji biznesowych w oparciu o dane, pozwalając na rozwiązanie wielu problemów, z którymi tradycyjne techniki analityczne albo nie potrafiły sobie poradzić, albo proces dojścia do odpowiedzi zajmował bardzo dużo czasu i był przez to zbyt kosztowny.
 
Sztuczna inteligencja w postaci algorytmów maszynowego uczenia ma dziś znaczący wpływ na biznes. Obecnie jest powszechnie wykorzystywana chociażby w marketingu, call center, chatbotach, pozycjonowaniu, targetowaniu, maszynowych tłumaczeniach tekstów (Microsoft poinformował ostatnio, że jego algorytmy tłumaczące z języka chińskiego na angielski oparte na AI osiągnęły poziom profesjonalnego ludzkiego tłumacza), planowaniu kampanii reklamowych, sterowaniu ładunkiem w centrach logistycznych, w finansach przy ocenianiu zdolności kredytowej, zgodności z przepisami, zarządzaniu ryzykiem i zapobieganiu nadużyciom, w branży modowej w postaci wirtualnych stylistów i w wielu innych miejscach. 
 
Machine learning znacząco wpływa na nasze życie i czasem nie zdajemy sobie nawet z tego sprawy. W badaniu ARM Northstar „AI today, AI tomorrow” ponad połowa ankietowanych konsumentów wskazała, że nie miała świadomości, iż rozwiązania sztucznej inteligencji stosowane są w Facebooku (53%), Netflixie (54%) czy Spotify (58%). A to właśnie tu AI pomaga tworzyć zindywidualizowane systemy rekomendacji treści, filmów i muzyki dostosowane do preferencji użytkownika. Uczenie maszynowe używane jest do rozpoznawania mowy (Google Now i Siri firmy Apple, Xbox, Skype) czy obrazu. Gdzie jeszcze? Filtry antyspamowe w skrzynkach e-mail, optymalizacja reklam, autokorekta i autopodpowiedzi podczas pisania SMS-ów, systemy nawigacyjne (GPS) pozwalające nie tylko na odnalezienie optymalnej drogi, ale również na zaprezentowanie ofert mijanych po drodze obiektów handlowo-usługowych, autonomiczne samochody Ubera itd., itp. Ciekawie zapowiadają się również testy robotów na lotnisku w Tokio, które mają pomagać podróżnym podczas igrzysk w 2020 roku, a także Google AI oceniający ryzyko zawału na podstawie zdjęcia siatkówki oka. Mark Zuckerberg w trakcie przesłuchania przed amerykańskim Kongresem mówił z kolei o roli sztucznej inteligencji (AI) w ochronie użytkowników Facebooka. 
 
W e-marketingu i e-handlu sztuczna inteligencja profiluje klientów na podstawie schematów ich zachowań, w wyniku czego otrzymujemy precyzyjne targetowane reklamy i propozycje produktów, które mogą nas interesować. Uczenie maszynowe wykorzystywane jest też do monitorowania rozmów dotyczących produktów i usług w mediach społecznościowych, aby analizować nastroje konsumentów i na tej podstawie tworzyć nowe oferty dostosowane do ich potrzeb. 
 
W handlu i logistyce pomaga ulepszać systemy zamówień i zawczasu eliminować potencjalne problemy. Jak? Chociażby przewidując na podstawie zebranych danych (np. wejść na stronę www, wyszukiwanych fraz kluczowych) większe zapotrzebowanie na dany produkt. Dzięki temu firma może odpowiednio wcześniej zwiększyć produkcję, minimalizując ryzyko braku towaru, zaplanować, ile ciężarówek będzie potrzebnych do jego przewiezienia, a w dłuższej perspektywie umożliwić efektywne spełnienie pojawiających się oczekiwań klientów. Big data i algorytmy uczenia maszynowego umożliwiają lepsze zrozumienie preferencji i potrzeb klienta, czyniąc proces zakupu prostym i szybszym. 
 
W motoryzacji przykład wykorzystania możliwości AI to asystenci kierowcy, systemy jazdy autonomicznej czy usprawnienie procesów produkcyjnych w fabrykach za pomocą robotów wykorzystujących maszynowe uczenie. 
 
[...] 

Pełna treść artykułu jest dostępna w papierowym wydaniu pisma.

.

Transmisje online zapewnia: StreamOnline

All rights reserved © 2019 Presscom / Miesięcznik "IT Professional"